🧠 الهام از مغز برای کاهش مصرف انرژی هوش مصنوعی!

دانشمندان در مطالعه‌ای جدید راهکاری برای عبور از سد «دیوار حافظه» (Memory Wall) ارائه دادند.

🔸 مشکل کجاست؟
در معماری‌های فعلی، جابه‌جایی مداوم داده بین پردازنده و حافظه باعث اتلاف شدید انرژی و تاخیر می‌شود. با رشد ۵۰۰۰ برابری مدل‌های زبانی در ۴ سال اخیر، این روش دیگر پاسخگو نیست.

🔹 راه حل: الگوریتم‌های مغزگونه (SNN)
محققان پیشنهاد می‌کنند به‌جای سیستم‌های سنتی، از شبکه‌های عصبی اسپایکی (SNN) استفاده شود. این الگو دقیقاً مثل نورون‌های مغز عمل می‌کند:

✅ پردازش و ذخیره داده در یک مکان واحد.
✅ فعالیت فقط در صورت بروز تغییر (کاهش چشمگیر مصرف باتری).
✅ ایده‌آل برای پهپادهای خودران و گجت‌های پزشکی پوشیدنی.

🚀 آینده: سخت‌افزار CIM
برای اجرای این الگوریتم‌ها، نیاز به سیستم‌های Compute-in-Memory است که محاسبات را مستقیماً درون حافظه انجام می‌دهند. این تحول، هوش مصنوعی را از دیتاسنترهای غول‌پیکر به دستگاه‌های کوچک و ارزان‌قیمت منتقل می‌کند.

لینک منبع

#هوش_مصنوعی #تکنولوژی #الگوریتم #انرژی #GreenAI

🔴Instagram
🔵Telegram